Blending Agregat Menggunakan Algoritma Genetika
|
|
- Sri Hartanti Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: D-113 Blending Menggunakan Algoritma Genetika Yeni Rochsianawati, PujoAji dan Januarti Jaya Ekaputri Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya Abstrak Blending agregat merupakan proses untuk menentukan proporsi yang tepat dari agregat yang kemudian dicampur sehingga dapat ditemukan gradasi atau susunan besar butir agregat yang sesuai dengan spesifikasi batasan yang ada. Blending agregat dapat diselesaikan menggunakan beberapa metode, diantaranya metode coba-coba, metode grafis dan metode optimasi. Di Indonesia, penyelesaian blending agregat masih dikerjakan secara manual (metode coba-coba dan metode grafis). Dengan menggunakan metode tersebut dibutuhkan waktu yang cukup lama untuk mengetahui hasil dari proses blending agregatnya. Tujuan dari penelitian ini adalah dapat dibuat sebuah program yang bisa menjalankan proses blending agregat dengan cepat, baik itu untuk agregat halus maupun agregat kasar. Salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan menggunakan algoritma genetika. Algoritma Genetika merupakan metode optimasi yang dikembangkan berdasarkan pada teori evolusi biologi. Pada penelitian ini, syarat batasan gradasi agregat yang dipakai untuk blending diambil dari ASTM C33-3. Hasil dari program ini berupa nilai proporsi dari tiap agregat yang diblending. Berdasarkan hasil analisa yang telah dilakukan, dapat diketahui bahwa hasil proporsi agregat yang dihasilkan dari program ini dapat menghasilkan gradasi agregat yang memenuhi atau paling mendekati syarat batasan gradasi ASTM C33-3. Program blending agregat ini dapat digunakan untuk blending n agregat sekaligus, dimana n merupakan jumlah jenis agregat dan hasil dari programnya dapat diketahui dengan cepat karena untuk sekali proses running hanya dibutuhkan waktu < 1 detik saja. Kata Kunci algoritma genetika, blending agregat, gradasi agregat I. PENDAHULUAN GREGAT, baik itu agregat kasar maupun halus memiliki Agradasi yang bervariasi. yang ada di pasaran dikelompokkan menjadi agregat yang siap pakai dan agregat yang harus diolah terlebih dahulu [1]. Jika agregat yang belum diolah atau diayak tersebut akan digunakan untuk bahan baku beton, maka masih banyak agregat yang belum memenuhi persyaratan susunan besar butir atau gradasi agregat yang baik. Di dalam ASTM C33-3, telah disebutkan syarat-syarat gradasi agregat halus dan kasar yang baik, dimana nilai persen lolos atau persen tertahan dari agregat yang telah diayak harus memenuhi batasan-batasan gradasi agregat dan syarat-syarat yang telah ditentukan. Apabila nilai tersebut tidak memenuhi persyaratan batasan gradasi, maka dilakukan pencampuran agregat / blending sampai didapatkan susunan gradasi yang memenuhi persyaratan batas gradasi [2]. Permasalahan dari blending agregat ini yaitu bagaimana menentukan proporsi agregat agar gradasinya dapat memenuhi persyaratan batas gradasi. Akan sulit untuk menentukan proporsi agregatnya jika yang akan diblending terdiri lebih dari 2 macam fraksi. Sudah banyak metode yang dikembangkan dalam menyelesaikan problem blending agregat ini dan metode tersebut dapat dibedakan menjadi 3 kategori yaitu metode coba-coba (trial and error), metode grafis serta metode optimasi [3]. Di Indonesia, telah ada penelitian mengenai pengaruh gradasi agregat terhadap perilaku beton yang dilakukan oleh Hermanto dan Prabowo [4]. Pada penelitian ini, agregat yang akan diblending hanya terdiri dari satu macam fraksi untuk agregat kasar dan satu macam fraksi untuk agregat halus, dimana standar untuk batasan gradasinya menggunakan ASTM C33-3[2] dan untuk menentukan proporsi masingmasing agregat masih menggunakan metode coba-coba. Selain itu, permasalahan blending agregat untuk beberapa macam fraksi lebih sering dijumpai pada permasalahan perkerasan jalan aspal beton dan biasanya diselesaikan menggunakan metode grafis dan analitis seperti penelitian yang dikerjakan oleh Fannisa dan Wahyudi [5]. Sedangkan di luar Indonesia, penelitian mengenai blending agregat untuk beberapa macam fraksi telah menempati ruang lingkup yang lebih luas dimana tidak hanya menggunakan metode coba-coba dan grafis saja, melainkan telah dilakukan juga penyelesaian menggunakan metode optimasi yang berbasis pada bahasa pemrograman komputer. Algoritma Genetika (AG) merupakan metode optimasi yang berdasarkan pada teori evolusi dan suksesi generasi terbaik yang diperkenalkan pertama kali oleh Holland (1975). AG dikelompokkan dalam metode pencarian heuristik seperti simulated annealing, ant colony optimization dan tabu search. Dengan menggunakan AG akan diperoleh solusi permasalahan yang berupa sekumpulan populasi yang diperoleh dari inisiasi generasi dan sebuah proses iterasi operator genetika yaitu reproduksi, crossover dan mutasi [6]. AG dapat dimanfaatkan untuk menyelesaikan permasalahan blending agregat seperti yang telah dikerjakan oleh Toklu [6]. Pada penelitian ini, permasalahan blending agregat akan coba diselesaikan menggunakan metode optimasi algoritma genetika yang dimodelkan sebagai single objective problem. Diharapkan dengan program baru ini, permasalahan blending agregat ini dapat diselesaikan dengan praktis, cepat dan mudah serta dapat memenuhi persyaratan batasan gradasi yang ada.
2 JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: D-114 II. URAIAN PENELITIAN Berikut ini merupakan tahapan yang dilakukan dalam penelitian ini, yaitu : A. Studi literatur dan studi kasus mengenai Blending agregat dan algoritma genetika 1) Blending Berikut ini merupakan tahapan dari proses blending agregat yaitu [7] : a. yang akan diblending harus melalui tes analisa ayakan. b. Dari hasil tes analisa ayakan tersebut akan diperoleh berat tertahan agregat di tiap-tiap ayakan. c. Dilakukan proses perhitungan untuk mencari nilai % berat tertahan dan nilai % berat yang lolos yang dihitung secara kumulatif pada tiap-tiap ayakan. d. Jika hasil dari perhitungan tersebut berada diantara nilai syarat batasan gradasi, maka gradasi tersebut memenuhi persyaratan. Apabila hasilnya berada di luar syarat batasan gradasi, maka gradasi agregat tersebut dapat dikatakan tidak memenuhi syarat campuran beton yang baik dan perlu untuk dilakukan blending agregat. e. Perhitungan blending agregat dilakukan secara analitis untuk memperoleh susunan gradasi yang memenuhi syarat ASTM C33-3 [2]. Rumus analitis yang digunakan untuk blending n jenis agregat yaitu :... (1) dengan 1 (2) dan (3) dimana : A 1 = nilai % lolos agregat pertama pada ayakan tertentu A 2 = nilai % lolos agregat kedua pada ayakan tertentu A n = nilai % lolos agregat ke-n pada ayakan tertentu x 1, x 2, x n = prosentase agregat yang dicari y = nilai batas syarat agregat pada ayakan tertentu n = jumlah jenis agregat f. Dari hasil perhitungan tersebut, diperoleh hasil berupa proporsi dari tiap agregat yang diblending. Jika hasil proporsi yang didapatkan berada di luar batasan gradasi dan masih belum memenuhi (2) dan (3), maka perhitungan blending harus diulang kembali sampai didapatkan hasil yang dapat memenuhi semua persyaratan tersebut. Studi kasus blending agregat yang dipakai pada penelitian ini yaitu blending untuk 2, 3 dan 4 agregat dengan jenis agregat yang sama. halus (AH) diblending dengan AH dan agregat kasar (AK) diblending dengan AK [8]. 2) Algoritma Genetika Algoritma Genetika (AG) merupakan metode yang diadopsi dari ilmu biologi, maka banyak istilah-istilah biologi yang dipakai selama menjalankan proses AG [9]. Gambar 1 berikut ini merupakan flowchart cara kerja dari algoritma genetika. Gambar 1. Flowchart Cara Kerja Algoritma Genetika B. Pemodelan Objective Function untuk Proses Optimasi Setelah proses perhitungan dengan menggunakan persamaan (1), gradasi yang diblending seharusnya menempati posisi diantara batasan gradasi yang telah tercantum dalam ASTM C33-3. Jika gradasi yang diperoleh berada di luar batasan, maka harus diatur bagaimana caranya agar gradasi hasil blending nanti bisa berada di antara batasan atas dan batasan bawah. Berikut ini merupakan rumusan pemodelan objective function yang akan digunakan untuk proses optimasi pada program blending agregat yaitu : dimana,,, (5), dengan, A = jumlah kuadrat jarak gradasi di tiap-tiap ayakan x = nilai hasil perhitungan jarak gradasi dengan batasan j = nomor ayakan ke-... z = nilai hasil blending agregat bb = batas bawah gradasi agregat sesuai ASTM C33-3 ba = batas atas gradasi agregat sesuai ASTM C33-3 Constraint : - Syarat batasan gradasi ASTM C33-3 [2] - (2) dan (3) (4)
3 JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: D-115 Jika dihasilkan hasil yang minimum, yaitu nilai A =, maka maka hasil proporsi agregat yang diperoleh akan membuat gradasi agregatnya berada di antara syarat batasan gradasi dan apabila hasilnya dijumlahkan akan bernilai 1 dan nilainya >. Jika hasil A >, nilai proporsi yang didapat akan tetap berjumlah 1 dan bernilai >, akan tetapi hasil gradasi agregatnya masih ada yang tidak memenuhi batasan. Hasil gradasi tersebut merupakan hasil yang paling optimum dan yang paling mendekati batasan yang ada yang dapat dihasilkan oleh AG [8]. III. HASIL DAN ANALISA Proses dari program blending agregat ini dibagi menjadi dua bagian yaitu proses awal perhitungan blending agregat dan proses optimasi untuk mencari proporsi agregat yang diblending. Input untuk proses awal perhitungan blending agregat berupa data berat agregat yang tertahan pada tiap-tiap ayakan. Hasil dari proses ini berupa nilai persen lolos kumulatif pada tiap-tiap ayakan dimana hasil tersebut digunakan sebagai input untuk proses optimasi. Berikut ini merupakan metode yang dipilih untuk menjalankan proses optimasi algoritma genetika : - Nilai fitness yang akan dipakai untuk proses seleksi diskala dengan menggunakan metode ranking dimana individu terbaik pertama diberi ranking pertama, individu terbaik kedua diberi ranking kedua dan demikian seterusnya. - Proses seleksi menggunakan metode stochastic uniform. - Proses crossover menggunakan metode scattered. - Proses mutasi menggunakan metode adaptive feasible karena fungsi yang dioptimasi mempunyai constraint. Untuk proses optimasi, algoritma dijalankan dengan 1 generasi dengan 2 individu pada setiap generasinya. Hasil dari proses optimasi tersebut adalah proporsi dari setiap agregat yang dblending. Waktu yang dibutuhkan untuk sekali running program untuk mendapatkan proporsi tersebut dibutuhkan waktu < 1 detik dengan menggunakan program komersial matematika. Hasil proporsi tersebut kemudian dikalikan dengan nilai persen lolos kumulatif pada tiap-tiap ayakan sehingga dapat diperoleh hasil sebuah gradasi gabungan. Program blending agregat ini telah diuji dengan menggunakan contoh kasus blending untuk dua, tiga dan empat jenis fraksi agregat, baik itu untuk agregat kasar maupun agregat halus [8]. Pada Gambar 2 berikut merupakan gambar grafik gradasi dua agregat kasar dengan ukuran 25 mm beserta batasan ASTM C33-3. Setelah dilakukan perhitungan dengan menggunakan algoritma genetika, diperoleh hasil gradasi gabungan seperti yang terdapat pada Gambar 3. Sedangkan contoh untuk blending dua agregat halus seperti yang terdapat pada Gambar 4 dengan hasil gradasi gabungan seperti pada Gambar 5. Dari Gambar 3 maupun Gambar 5 dapat dilihat bahwa gradasi gabungan hasil blending berada diantara batasan gradasi yang telah ditentukan pada ASTM C33-3 [2]. Hasil proporsi yang digunakan untuk membuat grafik gradasi gabungan tersebut terdapat pada Tabel 1. Dari hasil pada kolom jumlah pada Tabel 1, dapat diketahui bahwa hasil proporsi yang didapat telah memenuhi (2) dan (3) Gambar 2. Grafik Gradasi untuk Blending 2 Kasar Gambar 3. Grafik Gradasi Blending 2 Kasar Gambar 4. Grafik Gradasi untuk Blending 2 Halus AK 1 AK 2 AKG 2 AH 1 AH 2
4 JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: D Gambar 5. Grafik Gradasi Blending 2 Halus AHG Gambar 7. Grafik Gradasi Blending 3 Halus AHG 3 No. Jenis agregat Tabel 1 Hasil Proporsi Blending 2 Objective Function Value Hasil Proporsi X1 X2 Jumlah 1 Halus Kasar Berikut ini merupakan contoh kasus untuk blending 3 agregat. Gambar 6 merupakan gambar grafik gradasi tiga agregat halus beserta batasan ASTM C33-3. Setelah dilakukan perhitungan dengan menggunakan algoritma genetika, diperoleh hasil gradasi gabungan seperti yang terdapat pada Gambar 7. Sedangkan contoh untuk blending tiga agregat kasar dengan ukuran agregat sebesar 25 mm seperti yang terdapat pada Gambar 8 dengan hasil gradasi gabungan seperti pada Gambar AK 1 AK 2 AK 3 Gambar 8. Grafik Gradasi untuk Blending 3 Kasar AH 1 AH 2 Ah AKG 3 Gambar 6. Grafik Gradasi untuk Blending 3 Halus Gambar 9. Grafik Gradasi Blending 3 Kasar
5 JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: D-117 No. 1 2 Jenis agregat Halus Kasar Tabel 2. Hasil Proporsi Blending 3 Objective Function Value Hasil Proporsi X1 X2 X3 Jumlah Dari Gambar 7 maupun Gambar 9 dapat dilihat bahwa gradasi gabungan hasil blending berada diantara batasan gradasi yang telah ditentukan pada ASTM C33-3 [2]. Hasil proporsi yang digunakan untuk membuat grafik gradasi gabungan tersebut terdapat pada Tabel 2. Dari hasil pada kolom jumlah pada Tabel 2, dapat diketahui bahwa hasil proporsi yang didapat telah memenuhi (2) dan (3) Gambar 1. Grafik Gradasi untuk Blending 4 Kasar No. ayakan Gambar 11. Grafik Gradasi Blending 4 Kasar Pada Gambar 1 merupakan gambar grafik gradasi empat agregat kasar dengan ukuran 25 mm beserta batasan ASTM AK 1 AK 2 AK 3 AK 4 AKG 4 C33-3 dengan grafik hasil gradasi gabungan seperti yang terdapat pada Gambar 11. Sedangkan contoh untuk blending empat agregat halus seperti yang terdapat pada Gambar 12 dengan hasil gradasi gabungan seperti pada Gambar 13. No Gambar 12. Grafik Gradasi untuk Blending 4 Halus Gambar 13. Grafik Gradasi Blending 4 Halus Jenis agregat Halus Kasar Tabel 3 Hasil Proporsi Blending 4 Objective Function Value Hasil Proporsi X1 X2 X3 X4 Jumlah Dari Gambar 11 maupun Gambar 13 dapat dilihat bahwa gradasi gabungan hasil blending berada diantara batasan gradasi yang telah ditentukan pada ASTM C33-3 [2]. Hasil proporsi yang digunakan untuk membuat grafik gradasi gabungan tersebut terdapat pada Tabel 3. Dari hasil pada AH 1 AH 2 AH 3 AH 4 AHG 4
6 JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: D-118 kolom jumlah pada Tabel 3, dapat diketahui bahwa hasil proporsi yang didapat telah memenuhi (2) dan (3). IV. KESIMPULAN Algoritma genetika dapat dipakai untuk menyelesaikan permasalahan blending agregat. Selama nilai dari fungsi obyektif yang dihasilkan bernilai, maka akan didapatkan gradasi yang memenuhi persyaratan batasan gradasi ASTM C33-3[2]. Dengan menggunakan algoritma genetika, pengguna dapat dengan segera menentukan proporsi dari tiaptiap agregat yang diblending untuk kebutuhan mix design. Pada penelitian ini, aplikasi dari program ini masih dengan studi kasus untuk blending agregat dengan jenis sama, yaitu agregat halus dengan agregat halus dan agregat kasar dengan agregat kasar. Program ini bisa dikembangkan lagi dengan studi kasus blending agregat kasar dengan agregat halus. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada PT. Pelabuhan Indonesia III (Persero) dan Institut Teknologi Sepuluh Nopember yang telah memberikan dukungan finansial melalui beasiswa tahun DAFTAR PUSTAKA [1] Silvia Sukirman, Beton Aspal Campuran Panas, Jakarta : Granit (27) [2] ASTM Committee C9. ASTM C 33-3, Standard Specification for Concrete Aggregates. ASTM International (23). [3] S. Kikuchi, N. Kronprasert, dan Said Easa, Aggregate Blending using Fuzzy Optimization, Journal of Construction Engineering and Management, Vol. 1 (212) [4] One Sigit Hermanto dan Septian Lucky Prabowo, Pengaruh Gradasi Gabungan pada Perilaku Beton, Skripsi Jurusan Teknik Sipil, Universitas Diponegoro, Semarang (21). [5] Fannisa, Henny dan Moh. Wahyudi, Perencanaan Campuran Aspal Beton dengan Menggunakan Filler Kapur Padam, Skripsi Jurusan Teknik Sipil, Universitas Diponegoro, Semarang (21). [6] Y. C. Toklu, Aggregate Blending using Genetic Algorithms, Computer-Aided Civil and Infrastructure Engineering, Vol. 2 (25) [7] Pujo Aji dan Rachmat Purwono, Pemilihan Proporsi Campuran Beton (Concrete Mix Design) sesuai ACI, SNI dan ASTM, Surabaya : ITS Press (211). [8] Yeni Rochsianawati, Blending Menggunakan Algoritma Genetika, Tugas Akhir Jurusan Teknik Sipil, Institut Teknologi Sepuluh Nopember, Surabaya (212). [9] Arie Pangesti Aji, Optimasi Pendimensian Node Hardware pada Jaringan SDH Menggunakan Algoritma Genetika, Surabaya : PENS ITS (29).
STUDI PENGARUH KURVA GRADING IDEAL AGREGAT KASAR TERHADAP KUAT TEKAN BETON NORMAL DENGAN VARIASI BLENDING MENGGUNAKAN ALGORITMA GENETIKA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 STUDI PENGARUH KURVA GRADING IDEAL AGREGAT KASAR TERHADAP KUAT TEKAN BETON NORMAL DENGAN VARIASI BLENDING MENGGUNAKAN ALGORITMA GENETIKA Yosi Bima Hendrata,
Lebih terperinciSTUDI PENGARUH KURVA GRADING IDEAL AGREGAT HALUS TERHADAP KUAT TEKAN BETON NORMAL DENGAN VARIASI BLENDING MENGGUNAKAN ALGORITMA GENETIKA
1 STUDI PENGARUH KURVA GRADING IDEAL AGREGAT HALUS TERHADAP KUAT TEKAN BETON NORMAL DENGAN VARIASI BLENDING MENGGUNAKAN ALGORITMA GENETIKA Yusnita Era Ernada, Pujo Aji, dan Triwulan Jurusan Teknik Sipil,
Lebih terperinciSTUDI PENGARUH KURVA GRADING IDEAL AGREGAT HALUS TERHADAP KUAT TEKAN BETON NORMAL DENGAN VARIASI BLENDING MENGGUNAKAN ALGORITMA GENETIKA
STUDI PENGARUH KURVA GRADING IDEAL AGREGAT HALUS TERHADAP KUAT TEKAN BETON NORMAL DENGAN VARIASI BLENDING MENGGUNAKAN ALGORITMA GENETIKA YUSNITA ERA ERNADA LATAR BELAKANG Aggregat halus memiliki grading
Lebih terperinciBeton Ringan Berbahan Dasar Lumpur Bakar Sidoarjo dengan Campuran Fly Ash dan Foam
Beton Ringan Berbahan Dasar Lumpur Bakar Sidoarjo dengan Campuran Fly Ash dan Foam Arie hadiwinata, Triwulan dan Pujo Aji Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi
Lebih terperinciOLEH : YUDHISTIRA BAWA YUSHA DOSEN KONSULTASI Bambang Piscesa, ST, MT Ir. Aman Subakti, M.Sc
OPTIMASI PERENCANAAN CAMPURAN BETONYANG MEMILIKI KEKEDAPAN TERTENTU TERHADAP PENETRASI ION CHLORIDA DENGAN BAHAN ADIKTIF TAMBAHAN FLY ASH DAN SILICA FUME BERDASARKAN VIRTUAL RAPID CHLORIDE PERM EABILITY
Lebih terperinciOptimasi (Unequal) Site Layout Menggunakan Multi-Objectives Function Pada Proyek Pembangunan Apartemen Puncak Kertajaya Surabaya
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Optimasi (Unequal) Site Layout Menggunakan Multi-Objectives Function Pada Proyek Pembangunan Apartemen Puncak Kertajaya Surabaya Daniel Tri Effendi, Tri
Lebih terperinciTujuan: mendapatkan campuran agregat halus dan kasar yang optimal, sehingga menghasilkan beton yang murah dan workable Syaratnya:
Tujuan: mendapatkan campuran agregat halus dan kasar yang optimal, sehingga menghasilkan beton yang murah dan workable Syaratnya: Tahu gradasi masing-masing agregat (kasar dan halus) Tahu spesifikasi gradasi
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciJurnal Sipil Statik Vol.3 No.12 Desember 2015 ( ) ISSN:
PENGARUH JUMLAH KANDUNGAN FRAKSI BAHAN PENGISI TERHADAP KRITERIA MARSHALL PADA CAMPURAN BERASPAL PANAS JENIS LAPIS ASPAL BETON-LAPIS AUS BERGRADASI HALUS Windy J. Korua Oscar H. Kaseke, Lintong Elisabeth
Lebih terperinciBAB 1 PENGUJIAN ANALISIS SARINGAN AGREGAT HALUS DAN KASAR
BAB 1 PENGUJIAN ANALISIS SARINGAN AGREGAT HALUS DAN KASAR 1.1 Maksud dan Tujuan 1.1.1 Maksud Menentukan pembagian butir (gradasi) agregat halus dan agregat kasar dengan menggunakan saringan. 1.1.2 Tujuan
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciSTUDI PENGGUNAAN PASIR SERUYAN KABUPATEN SERUYAN PROVINSI KALIMANTAN TENGAH SEBAGAI CAMPURAN ASPAL BETON AC WC
STUDI PENGGUNAAN PASIR SERUYAN KABUPATEN SERUYAN PROVINSI KALIMANTAN TENGAH SEBAGAI CAMPURAN ASPAL BETON AC WC Oleh : Denny Setiawan 3113 040 501 PROGRAM STUDI DIV TEKNIK SIPIL FAKULTAS TEKNIK SIPIL DAN
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciOptimasi Tata Letak Fasilitas Menggunakan Metode Multi Objective Function pada Pembangunan Proyek Apartemen Nine Residence Jakarta
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) D-114 Optimasi Tata Letak Fasilitas Menggunakan Metode Multi Objective Function pada Pembangunan Proyek Apartemen Nine Residence
Lebih terperinciAlik Ansyori Alamsyah Fakultas Teknik Jurusan Teknik Sipil Universitas Muhammadiyah Malang
PEMANFAATAN ABU AMPAS TEBU (BAGASSE ASH OF SUGAR CANE) SEBAGAI BAHAN PENGISI (FILLER) DENGAN VARIASI TUMBUKAN PADA CAMPURAN ASPAL PANAS ATB (ASPHALT TREATD BASE) Alik Ansyori Alamsyah Fakultas Teknik Jurusan
Lebih terperinciVARIASI AGREGAT LONJONG SEBAGAI AGREGAT KASAR TERHADAP KARAKTERISTIK LAPISAN ASPAL BETON (LASTON) ABSTRAK
Konferensi Nasional Teknik Sipil 4 (KoNTekS 4) Sanur-Bali, 2-3 Juni 2010 VARIASI AGREGAT LONJONG SEBAGAI AGREGAT KASAR TERHADAP KARAKTERISTIK LAPISAN ASPAL BETON (LASTON) I Made Agus Ariawan 1 1 Dosen
Lebih terperinciVARIASI AGREGAT LONJONG PADA AGREGAT KASAR TERHADAP KARAKTERISTIK LAPISAN ASPAL BETON (LASTON) I Made Agus Ariawan 1 1
VARIASI AGREGAT LONJONG PADA AGREGAT KASAR TERHADAP KARAKTERISTIK LAPISAN ASPAL BETON (LASTON) I Made Agus Ariawan 1 1 Dosen Pada Jurusan Teknik Sipil Universitas Udayana E-mail : agusariawan17@yahoo.com
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciPrediksi Kuat Tekan Beton Berbahan Campuran Fly Ash dengan Perawatan Uap Menggunakan Metode Kematangan
JURNAL TEKNIK ITS Vol. 1, No. 1 (Sept. 2012) ISSN: 2301-921 D-1 Prediksi Kuat Tekan Beton Berbahan Campuran Fly Ash dengan Perawatan Uap Menggunakan Metode Kematangan Candra Irawan, Januarti Jaya Ekaputri,
Lebih terperinciANALISA PERBANDINGAN KUALITAS BETON DENGAN AGREGAT HALUS QUARRY SUNGAI MARUNI MANOKWARI DAN KAMPUNG BUGIS SORONG
ANALISA PERBANDINGAN KUALITAS BETON DENGAN AGREGAT HALUS QUARRY SUNGAI MARUNI MANOKWARI DAN KAMPUNG BUGIS SORONG Wennie Mandela 1, Hendrik Pristianto 2*, Muhammad Arif 3 1,2 Dosen Program Studi Teknik
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciPENGARUH AGREGAT KASAR BATU PECAH BERGRADASI SERAGAM TERHADAP KUAT TEKAN BETON NORMAL
PENGARUH AGREGAT KASAR BATU PECAH BERGRADASI SERAGAM TERHADAP KUAT TEKAN BETON NORMAL Oleh: Mulyati 1), Sentosa Budi Alluhri 2) 1) Dosen Jurusan Teknik Sipil Fakultas Teknik Sipil Dan Perencanaan Institut
Lebih terperinciAlgoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-19 Algoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem Muhammad Luthfi Shahab dan Mohammad Isa Irawan Matematika,
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciOptimasi (Equal) Site Layout Menggunakan Multi Objectives Function Pada Proyek The Samator Surabaya
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Optimasi (Equal) Site Layout Menggunakan Multi Objectives Function Pada Proyek The Samator Surabaya Akhmad Alkhabib, Trijoko
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
I - 1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Beton merupakan bahan bangunan yang amat penting dilihat dari volume pengerjaan yang cukup besar jumlahnya. Perencanaan campuran beton (mix design) memegang peranan
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciSpesifikasi agregat untuk lapis fondasi, lapis fondasi bawah, dan bahu jalan
Standar Nasional Indonesia Spesifikasi agregat untuk lapis fondasi, lapis fondasi bawah, dan bahu jalan ICS 93.080.10 Badan Standardisasi Nasional BSN 2015 Hak cipta dilindungi undang-undang. Dilarang
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciBAB III METODOLOGI 3.1 Umum 3.2 Tahapan Penelitian
BAB III METODOLOGI 3.1 Umum Dalam penelitian ini tipe stone crusher yang digunakan adalah tipe stone crusher jaw to jaw yang banyak dan sering digunakan di lapangan dimana jaw pertama sebagai crusher primer
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciVol.16 No.2. Agustus 2014 Jurnal Momentum ISSN : X
PENGARUH PENGGUNAAN LIMBAH BETON SEBAGAI AGREGAT KASAR DAN AGREGAT HALUS TERHADAP KUAT TEKAN BETON NORMAL Oleh: Mulyati*, Arman A* *Dosen Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan Institut
Lebih terperinciPENGARUH PENAMBAHAN SABUT KELAPA TERHADAP STABILITAS CAMPURAN ASPAL EMULSI DINGIN
PENGARUH PENAMBAHAN SABUT KELAPA TERHADAP STABILITAS CAMPURAN ASPAL EMULSI DINGIN Andhi Lim 1, Rudy Hermanto 2, Paravita Sri Wulandari 3, Harry Patmadjaja 4 ABSTRAK : Di Indonesia penggunaan aspal emulsi
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciIV. HASILPENELITIAN DAN PEMBAHASAN
IV. HASILPENELITIAN DAN PEMBAHASAN IV. 1. Tanah Tulakan Dari hasil anilisis kimia yang dilakukan di Balai Penyelidikan dan Pengembangan Teknologi Kegunungapian (BPPTK), didapatkan hasil : Tabel IV.1. Kandungan
Lebih terperinciPENGARUH LIMBAH KARET BAN SEBAGAI CAMPURAN ASPAL TERHADAP KARAKTERISTIK MARSHALL, PADA JENIS PERKERASAN LAPIS TIPIS ASPAL PASIR (LATASIR) KELAS B
PENGARUH LIMBAH KARET BAN SEBAGAI CAMPURAN ASPAL TERHADAP KARAKTERISTIK MARSHALL, PADA JENIS PERKERASAN LAPIS TIPIS ASPAL PASIR (LATASIR) KELAS B Sulfah Anjarwati 1*, Mahesa Anggi Pinandita 2 1,2 Teknik
Lebih terperinciPEMANFAATAN ABU AMPAS TEBU ( BAGASSE ASH OF SUGAR CANE ) SEBAGAI BAHAN PENGISI ( FILLER ) DENGAN VARIASI TUMBUKAN PADA CAMPURAN ASPAL PANAS LASTON
PEMANFAATAN ABU AMPAS TEBU ( BAGASSE ASH OF SUGAR CANE ) SEBAGAI BAHAN PENGISI ( FILLER ) DENGAN VARIASI TUMBUKAN PADA CAMPURAN ASPAL PANAS LASTON Alik Ansyori Alamsyah Fakultas Teknik - Jurusan Teknik
Lebih terperinciA. Tujuan Percobaan Menentukan pembagian butir (gradasi) agregat dan modulus. kehalusan. Data distribusi butiran pada agregat serta modulus kehalusan
5. ANALISIS SARINGAN AGREGAT KASAR A. Tujuan Percobaan Menentukan pembagian butir (gradasi) agregat dan modulus kehalusan. Data distribusi butiran pada agregat serta modulus kehalusan diperlukan dalam
Lebih terperinciJurnal Sipil Statik Vol.3 No.4 April 2015 ( ) ISSN:
KAJIAN PERBEDAAN KINERJA CAMPURAN BERASPAL PANAS ANTARA JENIS LAPIS TIPIS ASPAL BETON-LAPIS AUS (HRS-WC) BERGRADASI SENJANG DENGAN YANG BERGRADASI SEMI SENJANG Giavanny Hermanus Oscar H. Kaseke, Freddy
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciPENGARUH VARIASI RATIO FILLER-BITUMEN CONTENT PADA CAMPURAN BERASPAL PANAS JENIS LAPIS TIPIS ASPAL BETON-LAPIS PONDASI GRADASI SENJANG
PENGARUH VARIASI RATIO FILLER-BITUMEN CONTENT PADA CAMPURAN BERASPAL PANAS JENIS LAPIS TIPIS ASPAL BETON-LAPIS PONDASI GRADASI SENJANG Fergianti Suawah O. H. Kaseke, T. K. Sendow Fakultas Teknik, Jurusan
Lebih terperinciPEMANFAATAN BONGKARAN LAPISAN PERMUKAAN PERKERASAN ASPAL SEBAGAI CAMPURAN HRS
PEMANFAATAN BONGKARAN LAPISAN PERMUKAAN PERKERASAN ASPAL SEBAGAI CAMPURAN HRS Ir. Nusa Sebayang, MT. Dosen Teknik Sipil ITN Malang Jl. Danau Ranau I G2 B/15 Malang Tel : o341-721142 Email :nusasebayang@yahoo.com.au
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciStudi Alternatif Campuran Aspal Beton AC WC dengan Menggunaan Pasir Seruyan Kabupaten Seruyan Kalimantan Tengah
Jurnal APLIKASI Volume 13, Nomor 1, Pebruari 2015 Studi Alternatif Campuran Aspal Beton AC WC dengan Menggunaan Pasir Seruyan Kabupaten Seruyan Kalimantan Tengah Endang Kasiati, Rachmad Basuki, Denny Setiawan
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciPengertian Agregat Dalam Kontruksi Perkerasan Jalan
Agregat By Leo Sentosa Pengertian Agregat Dalam Kontruksi Perkerasan Jalan Menurut Silvia Sukirman, (2003), agregat merupakan butir butir batu pecah, kerikil, pasir atau mineral lain, baik yang berasal
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Transportasi memegang peranan penting dalam menunjang keberhasilan pembangunan terutama dalam mendukung kegiatan perekonomian masyarakat dan perkembangan wilayah pada
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian dilakukan di Laboratorium Teknik Sipil Fakultas Teknik Universitas Negeri Gorontalo. 3.2 Teknik Pengumpulan Data Pada penelitian ini semua data
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciLIMBAH PADAT PABRIK KERAMIK SEBAGAI BAHAN CAMPURAN BATAKO DITINJAU TERHADAP KUAT TEKAN
LIMBAH PADAT PABRIK KERAMIK SEBAGAI BAHAN CAMPURAN BATAKO DITINJAU TERHADAP KUAT TEKAN Srie Subekti Dosen,Program studi D3 Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciLampiran. Universitas Sumatera Utara
Lampiran Analisa Ayakan Pasir Berat Fraksi (gr) Diameter Rata-rata % Sampel Sampel % Rata-rata Ayakan (mm) (gr) Kumulatif I II 9,52 30 15 22,5 2,25 2,25 4,76 21 18 19,5 1,95 4,2 2,38 45 50 47,5 4,75
Lebih terperinciTATA CARA PEMBUATAN RENCANA CAMPURAN BETON NORMAL
TATA CARA PEMBUATAN RENCANA CAMPURAN BETON NORMAL 1 Ruang Lingkup Tata cara ini meliputi persyaratan umum dan persyaratan teknis perencanaan proporsi campuran beton untuk digunakan sebagai salah satu acuan
Lebih terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinciBAB 1. PENDAHULUAN. Perkerasan jalan merupakan lapisan perkerasan yang terletak diantara
BAB 1. PENDAHULUAN A. Latar Belakang Perkerasan jalan merupakan lapisan perkerasan yang terletak diantara lapisan tanah dasar dan roda kendaraan yang berfungsi memberikan pelayanan kepada sarana transportasi,
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciOPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W.
OPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W. SOEMARDI BIDANG MANAJEMEN DAN REKAYASA KONSTRUKSI DEPARTEMEN TEKNIK SIPIL
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciABSTRAKSI. Kata kunci : filler lumpur lapindo, HRS, laston, parameter uji Marshall, kadar aspal optimum
PENGGUNAAN LUMPUR LAPINDO SEBAGAI FILLER PADA PERKERASAN LENTUR JALAN RAYA Muhammad Zainul Arifin Jurusan Teknik Sipil, Fakultas Teknik, Universitas Brawijaya Jl. Mayjen Haryono 167, Malang 65145, Indonesia
Lebih terperinciAlgoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T 6 Algoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP) Daryono Budi Utomo, Mohammad Isa Irawan, Muhammad Luthfi
Lebih terperinciBAB II LANDASAN TEORI. digunakan sebagai pedoman perawatan adalah sebuah panduan sebagaimana
BAB II LANDASAN TEORI 2. Konsep Perawatan Pesawat Fokker F27 Buku Pedoman Perawatan yang diberikan oleh pabrik yang akan digunakan sebagai pedoman perawatan adalah sebuah panduan sebagaimana layaknya sebuah
Lebih terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciPerbandingan Produktivitas Static Tower Crane dan Mobile Crane dengan Modifikasi Posisi Titik Supply
1 Perbandingan Produktivitas Static Tower Crane dan Mobile Crane dengan Modifikasi Posisi Titik Supply Arief Hadi Pranata, Tri Joko Wahyu Adi, Yusroniya Eka Putri Jurusan Teknik Sipil, Fakultas Teknik
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciLABORATORIUM BETON PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA JL. KAPTEN MUKHTAR BASRI NO.
LABORATORIUM BETON PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA JL. KAPTEN MUKHTAR BASRI NO.3 MEDAN 20238 NAMA KELOMPOK MODUL LEMBAR ASISTENSI : MUHAMMAD YOGI ISMAYADI
Lebih terperinciBAB I PENDAHULUAN. beton, minimal dalam pekerjaan pondasi. Semakin meluasnya penggunaan beton
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam teknik sipil, beton digunakan untuk bangunan pondasi, kolom, balok, dan pelat. Beton juga digunakan dalam teknik sipil transportasi untuk pekerjaan rigid pavement
Lebih terperinciSpesifikasi lapis fondasi agregat semen (LFAS)
Standar Nasional Indonesia Spesifikasi lapis fondasi agregat semen (LFAS) ICS 91.100.30 Badan Standardisasi Nasional BSN 2015 Hak cipta dilindungi undang-undang. Dilarang mengumumkan dan memperbanyak sebagian
Lebih terperinciDAFTAR ISI. Halaman Judul Pengesahan Persetujuan ABSTRAK ABSTRACT KATA PENGANTAR
DAFTAR ISI Halaman Judul i Pengesahan ii Persetujuan iii ABSTRAK iv ABSTRACT v KATA PENGANTAR vi DAFTAR ISI viii DAFTAR TABEL xi DAFTAR GAMBAR xiii DAFTAR LAMPIRAN xv DAFTAR NOTASI DAN SINGKATAN xvi BAB
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciANALISIS UKURAN AGREGAT KASAR PADA SIFAT MEKANIS BETON
ISSN : 2460-8815 ANALISIS UKURAN AGREGAT KASAR PADA SIFAT MEKANIS BETON Abdul Hakim Prodi Teknik Lingkungan, Universitas Islam Negeri Sunan Ampel, Jl. Jenderal A. Yani 117 Surabaya, Email: abdulhakim.hakim48@gmail.com
Lebih terperinci(Data Hasil Pengujian Agregat Dan Aspal)
(Data Hasil Pengujian Agregat Dan Aspal) LABORATORIUM INTI JALAN RAYA FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS LAMPUNG Jl. Prof. Dr. Sumantri Brojonegoro No. 1 Bandar Lampung Jurusan PEMERIKSAAN
Lebih terperinciPENGGUNAAN PASIR SILIKA DAN PASIR LAUT SEBAGAI AGREGAT BETON The Use of Sea and Silica Sand for Concrete Aggregate
14 Spektrum Sipil, ISSN 58-4896 Vol. 1, No. 2 : 14-149, September 214 PENGGUNAAN PASIR SILIKA DAN PASIR LAUT SEBAGAI AGREGAT BETON The Use of Sea and Silica Sand for Concrete Aggregate Joedono, Mudji Wahyudi
Lebih terperinciBAB I PENDAHULUAN LATAR BELAKANG
BAB I PENDAHULUAN 1. 1. LATAR BELAKANG Beton terbentuk dari campuran agregat halus, agregat kasar, semen dan air dengan perbandingan tertentu. Beton merupakan suatu bahan konstruksi yang banyak digunakan
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciSukolilo Surabaya, Telp , ABSTRAK
LUMPUR SIDOARJO BAKAR, FLY ASH SEBAGAI SUBSTITUSI SEMEN DAN KAPUR (Ca(OH) 2 ) UNTUK CAMPURAN BETON RINGAN DENGAN MENGGUNAKAN BUBUK ALUMUNIUM SEBAGAI BAHAN PENGEMBANG Boby Dean Pahlevi 1, Triwulan 2, Januarti
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciMETODE PENGUJIAN KADAR RONGGA AGREGAT HALUS YANG TIDAK DIPADATKAN
METODE PENGUJIAN KADAR RONGGA AGREGAT HALUS YANG TIDAK DIPADATKAN SNI 03-6877-2002 1. Ruang Lingkup 1.1 Metoda pengujian ini adalah untuk menentukan kadar rongga agregat halus dalam keadaan lepas (tidak
Lebih terperinciINVESTIGASI KARAKTERISTIK AC (ASPHALT CONCRETE) CAMPURAN ASPAL PANAS DENGAN MENGGUNAKAN BAHAN RAP ARTIFISIAL
INVESTIGASI KARAKTERISTIK AC (ASPHALT CONCRETE) CAMPURAN ASPAL PANAS DENGAN MENGGUNAKAN BAHAN RAP ARTIFISIAL NASKAH PUBLIKASI Diajukan Untuk Memenuhi Salah Satu Syarat Menyelessaikan Pendidikan Strata
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan seminar proposal dan seminar hasil yang baik dan optimal tentu akan meningkatkan mutu pelayanan pendidikan bagi mahasiswa sebab mampu menjadwalkan sumberdaya
Lebih terperinciOptimasi Site Layout Menggunakan Multi-Objectives Function pada Proyek Pembangunan Transmart Rungkut Surabaya
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) C-22 Optimasi Layout Menggunakan Multi-Objectives Function pada Proyek Pembangunan Transmart Rungkut Surabaya Handi Destianno Adhika
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciSpesifikasi agregat untuk lapis permukaan jalan tanpa penutup
Standar Nasional Indonesia Spesifikasi agregat untuk lapis permukaan jalan tanpa penutup ICS 93.080.20 Badan Standardisasi Nasional BSN 2015 Hak cipta dilindungi undang-undang. Dilarang mengumumkan dan
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciBAB III METODOLOGI PENELITIAN
III-1 BAB III METODOLOGI PENELITIAN 3.1 Tinjauan Umum Dalam penelitian ini yang digunakan adalah variabel bebas dan terikat. Variabel bebas meliputi prosentase Silica fume dalam campuran beton (5%) dan
Lebih terperinciKamidjo Rahardjo Dosen Teknik Sipil FTSP ITN Malang ABSTRAKSI
STUDI PERBANDINGAN NILAI KARAKTERISTIK CAMPURAN SPLIT MASTIC ASPHALT (SMA) MENGGUNAKAN AGREGAT SUNGAI GRINDULU, SUNGAI LESTI, DAN BENGAWAN SOLO UNTUK LALULINTAS SEDANG Kamidjo Rahardjo Dosen Teknik Sipil
Lebih terperinciOptimasi Permasalahan Penugasan Dokter Menggunakan Representasi Graf Bipartit Berbobot
JURNAL TEKNIK POMITS Vol., No., (0) ISSN: 7-9 (0-97 Print) Optimasi Permasalahan Penugasan Menggunakan Representasi Graf Bipartit Berbobot Laili Rochmah, Ahmad Saikhu, dan Rully Soelaiman Jurusan Teknik
Lebih terperinciSpesifikasi lapis fondasi agregat dan campuran beraspal panas menggunakan batukarang kristalin
Standar Nasional Indonesia Spesifikasi lapis fondasi agregat dan campuran beraspal panas menggunakan batukarang kristalin ICS 93.080.20 Badan Standardisasi Nasional SNI 8158:2015 BSN 2015 Hak cipta dilindungi
Lebih terperinci